6 Procesamiento Analítico en Línea. OLAP. 6.3 Usos y Aplicaciones de la tecnología OLAP

[Administrador Grupo]

Investigue sobre los usos y aplicaciones de la tecnología OLAP

Fecha de entrega 21 11 2012

[francisco.gonzalez.cassio]

Usos Comunes de OLAP

Los sistemas OLAP, son utilizados por las empresas para conocer la historia del negocio y poder realizar la toma de

decisiones.
Podemos enunciar entonces las siguientes áreas en donde el uso de un sistema OLAP está difundido:

Sistemas de información ejecutivos. Los usuarios y los administradores generalmente de mandos altos y medios,

reciben la información sobre los indicadores de funcionamiento dominantes del negocio y de las excepciones o las

variaciones según sea de patrones y de estándares preestablecidos. Los Sistemas de Información Ejecutivos (EIS)

presentan típicamente datos multidimensionales en formatos gráficos.

  OLAP en EIS
* Alertas.
* Toma de decisiones.

 

Aplicaciones financieras. Para diversos usos de tipo financiero se utilizan las bases de datos de OLAP como ser

para comunicar, planear, y analizar. Los ejemplos de usos financieros incluyen la comunicación, análisis del mes-

cierre, análisis de lo beneficioso del producto, los presupuestos y pronóstico. Los analistas financieros utilizan

OLAP extensivamente para el análisis de datos financieros y operacionales para contestar las preguntas de la

gerencia mayor.

  OLAP en la Actividad Financiera
* Reportes analíticos.
* Planeamiento.
* Análisis.

 

Ventas y aplicaciones de Marketing. Existen diferentes formas de llegar a los clientes para alcanzar los objetivos

de venta y de comercialización propuestos. Por esto, la utilización de sistemas OLAP, donde es importante contar

con información organizada de manera rápida, es aconsejable. Los ejemplos incluyen análisis de la facturación,

análisis de producto, análisis del cliente, y análisis de ventas regional.

  OLAP en el Marketing
* Análisis de productos.
* Análisis de Clientes.
* Análisis de Facturación.

Otros Usos. Las bases de datos de OLAP se adaptan a una amplia gama de análisis, incluyendo rendimiento de

procesamiento y eficacia de la fabricación, eficacia del servicio de cliente, y análisis de coste del producto. En

definitiva, un sistema OLAP es útil para todo proceso en el que sea necesario tomar decisiones.

  OLAP en Otros Usos
* Análisis de la Producción.
* Análisis de Servicios al cliente.
* Evolución del Costo del producto.

[Eduardo Sanchez]

El OLAP, o análisis multidimensional de datos, es una forma específica de representación de datos financieros y estadísticos destinada a ejecutivos, especialistas y analistas. Sirve de apoyo en el proceso de toma de decisiones y facilita una mejor comprensión de la información. Su función es responder a las preguntas que puedan surgir al usuario durante su trabajo. Permite a sus usuarios entrar en detalles y generalizar, filtrar, clasificar y reagrupar datos en el momento del análisis, mediante su organización en cubos multidimensionales.

La herramienta principal para visualizar y manipular datos es la hoja de trabajo electrónica y dinámica. Las filas y columnas de datos que la forman son los controles de manipulación. Desplazándolas y pinchando sobre ellas, el usuario hace que el ordenador realice cálculos y presente los datos desde diferentes puntos de vista. De este modo, el usuario puede producir diversos informes a partir de un único conjunto de datos, sin que los especialistas en IT intervengan en el proceso, lo que evita que los departamentos de IT tengan que ocuparse de codificar distintos tipos de informes y eleva el nivel de independencia de los ejecutivos y especialistas para obtener la información que necesitan.

El análisis OLAP divide los datos en dos grupos: hechos (números, también denominados medidas) y dimensiones (o descripciones). Los hechos se agregan mediante algoritmos en una gráfica determinada, con la profundidad de agregación y agrupación definida por el usuario. Además, la hoja de trabajo electrónica puede mostrar los datos bajo una estructura regular. El OLAP se puede aplicar a todo tipo de tarea que requiera un análisis multifactorial de datos. Por lo general, contar con una tabla repleta de datos, suponiendo que contiene al menos una columna descriptiva y una o más columnas de datos, OLAP puede resultar una herramienta efectiva y conveniente para analizar dicha tabla y para producir informes.

En el artículo 30 ideas of using OLAP se realiza una revisión de posibles aplicaciones de este tipo de análisis en la empresa. Desde el análisis de ventas, que puede realizarse desde distintos puntos de vista (estructura de las ventas, análisis factorial, análisis por regiones, dinámico, de dependencia, comparativo…), análisis de precios, marketing, flujos de fondos, análisis de presupuestos, contabilidad e informes financieros, hasta estadísticas web, entre muchas otras posibilidades.

http://www.marketingdirecto.com/actualidad/bases-de-datos-y-crm/aplicacion-del-analisis-olap-en-la-empresa/

http://hosteddocs.ittoolbox.com/CC040305.pdf

[rodolfo.cabrales.barrios]

Tecnologías OLAP en la gestión de servicios de salud: suaplicación en el estudio del gasto en medicamentos.

*

 Dr. Alan D. March* **, Dr. Jorge L. Leguiza*, Ing. Eitel J.M. Lauría*, Lic. Adrian Gomez**, Dr. FernánG. Bernaldo de Quirós**, Dr. Daniel Luna**.

*Facultad de Ciencias de la Administración, Universidad del Salvador, Buenos Aires, Argentina;**Hospital Italiano de Buenos Aires, Buenos Aires, Argentina.

Introducción.

En su polémico libro "The Trouble with Computers", Landauer ha sostenido que las computadoras hanfracasado como herramientas potenciadoras de la productividad

1

. Su argumento central es que lainformática ha sido exitosamente aplicada para la automatización de tareas repetitivas, rutinarias y biendefinidas, en tanto que aún no han demostrado un desempeño similar en lo concerniente a su rol comoherramientas para el soporte de la toma de decisiones. Si bien el caso de las bases de datos transaccionales(BDT) no fue específicamente mencionado por el citado autor, el problema planteado por estas se ajusta enforma sorprendente a sus argumentaciones. En la mayor parte de las organizaciones humanas, la tecnologíade bases de datos relacionales ha sido una verdadera solución para aumentar la eficiencia de losprocedimientos vinculados a transacciones que involucran datos referidos a una situación especifica dentrode un circuito predeterminado de tareas. Actividades tales como la facturación, los procesos vinculados almantenimiento de

stocks

, etc., han aumentado notablemente su eficiencia gracias a la tecnologíainformática. Sin embargo, es posible decir, siguiendo a Landauer, que todo el provecho potencial encerradoen esos grandes cúmulos de datos aun no ha sido explotado en toda su extensión. Si bien estos sonadecuadamente utilizados en cuanto a su función transaccional, no puede decirse lo mismo de su uso comomateria prima de análisis. En efecto, las BDT encierran una historia detallada de los procesos ejecutadospor una organización, los cuales debidamente analizados permitirían reconocer patrones y tendencias decomportamiento sumamente útiles para las decisiones gerenciales vinculadas al planeamiento y ladefinición de estrategias. La aplicación de los datos transaccionales a este tipo de tareas indudablementeaumentaría el retorno sobre la inversión en tecnologías de la información, ya que los datos transaccionalesserían "reutilizados" con fines que trascienden lo meramente operativo. Las razones por las cuales esto nose ha dado en ambientes corporativos se encuentra relacionado con la naturaleza relacional de las BDTutilizadas en la mayor parte de las organizaciones. Como se analizará en la sección siguiente, el tipo deestructura que impone el modelo relacional determina que estas bases de datos se encuentren pocoadaptadas a los requerimientos de análisis, tornándose, como ha sostenido Zornes, en verdaderas "cárcelesde datos" (

data jailhouses

)

2

.Las organizaciones dedicadas a la atención de la salud, como muchas de sus pares en otras áreas de laeconomía, asisten a un proceso de creciente informatización. La mayor parte de las aplicaciones aún sevinculan con procesos netamente administrativo-contables, pero el grado de informatización de datosestrictamente médicos es cada vez mayor

3

. Las BDT propias de las organizaciones médicas no escapan alos problemas que afectan a las organizaciones de los otros sectores, y los analistas se enfrentan a losmismos problemas de "encarcelamiento" de los datos.Las nuevas tecnologías de

 Data Warehousing

Las nuevas tecnologías de

 Data Warehousing

,

OLAP

y

 Data Mining

representan una innovadoraoportunidad para "liberar" los datos de las BDT y ponerlos a disposición de los encargados de tomardecisiones en las organizaciones. Se trate de tres tecnologías complementarias: el

 Data Warehouse

, en elque se consolidan los datos operativos de la organización provenientes de múltiples fuentes en un único

http://www.academia.edu/1130044/Tecnologias_OLAP_en_la_gestion_de_servicios_de_salud_su_aplicacion_en_el_estudio_del_gasto_en_medicamentos

[luis.galindo.ortega]

Aplicaciones de la Tecnologia OLAP

Sistemas de Marketing

Las áreas en las que se puede aplicar las tecnologías OLAP a Marketing son, entre otras:

• Investigación Comercial
  
• Segmentación de mercados
  
• Identificación de necesidades no cubiertas y generación de nuevos productos, o modificación de productos existentes
  
• Fijación de precios y descuentos
  
• Definición de la estrategia de canales de comercialización y distribución
  
• Definición de la estrategia de promoción y atención al cliente
  
• Relación con el cliente:
  
• Programación, realización y seguimiento de acciones comerciales
  
• Lanzamiento de nuevos productos
  
• Campañas de venta cruzada, vinculación, fidelización, etc.
  
• Apoyo al canal de venta con información cualificada
  

Análisis de Riesgo Financiero

El Data Warehouse aplicado al análisis de riesgos financieros ofrece capacidades avanzadas de desarrollo de aplicaciones para dar soporte a las diversas actividades de gestión de riesgos. Es posible desarrollar cualquier herramienta utilizando las funciones que incorpora la plataforma, gracias a la potencionalidad estadística aplicada al riesgo de crédito.

Así se puede usar para llevar a cabo las siguientes funcionalidades:

• Para la gestión de la posición:
  
• Determinación de la posición
• Cálculo de sensibilidades
• Análisis what/if, Simulaciones
• Monitorización riesgos contra límites
• etc.
• Para la medición del riesgo:
  
• Soporte metodología RiskMetrics (Metodología registrada de J.P. Morgan / Reuters)
• Simulación de escenarios históricos
• Modelos de covarianzas
• Simulación de Montecarlo
• Modelos de valoración
• Calibración modelos valoración
• Análisis de rentabilidad
• Establecimiento y seguimiento de límites
• Desarrollo/modificación modelos
• Stress testing
• etc. 

El uso del Data Warehouse ofrece una gran flexibilidad para creación o modificación de modelos propios de valoración y medición de riesgos, tanto motivados por cambios en la regulación, como en avances en la modelización de estos instrumentos financieros.

Ello por cuanto se puede almacenar y poner a disposición información histórica de mercado y el uso de técnicas de Data Mining nos simplifica la implantación de cualquier método estadístico. Los métodos de previsión, se pueden realizar usando series históricas, (GARCH, ARIMA, etc.)

 

Pero la explotación de la información nos permite no solo la exploración de los datos para un conocimiento de la información histórica, sino también para examinar condiciones de normalidad de las que la mayoría de las metodologías de valoración del riesgo parten.

Además de implantar modelos ya existentes, se pueden acometer análisis con vistas a determinar modelos propios, basados en análisis de correlación para el estudio de la valoración del riesgo de carteras o procesos de simulación de Montecarlo.

Todo ello en una plataforma avanzada de gestión de la información basada en la fácil visualización de la misma y de su análisis estadístico como soporte a metodologías estándar de facto, o a las particularidades de cada entorno.

Análisis de Riesgo de Crédito

Dentro de la Prevención de Impagados, utilizando sistemas OLAP se puede obtener el grado interno de concentración de riesgos con el cliente, y almacenar la variedad de fuentes internas o externas de información disponibles sobre el mismo. Ello nos permite obtener sin dificultad la posición consolidada respecto al riesgo del cliente. El análisis se puede realizar asimismo por las diferentes características de la operación para la que se realiza el análisis, en cuanto al plazo y la cuantía de la misma, la modalidad de crédito elegida, la finalidad de la operación o las garantías asociadas a la misma. Usando las mismas capacidades es fácil el establecer una segmentación ABC de la cartera de clientes potenciales o reales que nos optimicen el nivel de esfuerzo en el Análisis de Riesgos.

En el soporte al proceso de Anticipación al Riesgo, se puede dar un adecuado soporte a la correcta generación y consideración de señales de alerta, teniendo en cuenta las pautas y condicionantes diferenciados dependiendo del tipo de cliente y producto usando Data Mining

Para el caso del Seguimiento del ciclo de Impagados, de nuevo el uso de sistemas OLAP, simplifican el análisis la diversidad de los diferentes parámetros que intervienen en el mismo, tales como la jerarquía de centros de recobro a contemplar, la diferente consideración dependiendo de la antigüedad del impago, del cliente o del importe impagado. Un sistema de Data Mining puede aconsejar la mejor acción en caso de impagados, litigio, precontencioso, etc. frente a los parámetros de importe, antigüedad, zona geográfica, etc.

Estos sistemas hacen que el analista se dedique con más intensidad al análisis de la información, que es donde aporta su mayor valor añadido, que a la obtención de la misma. No obstante, estos sistemas deben de huir de las automatizaciones completas sin intervención del analista: es él el que mejor sabe lo que quiere descubrir. "La herramienta debe ser un medio y no un fin". [1]

Bibliografia

[1]http://es.over-blog.com/Que_son_las_herramientas_Olap_definicion_del_experto-1228321779-art379096.html

[Victor Manuel Niebla Romero]

Aplicaciones de la Tecnologia OLAP

Los sistemas OLAP, son utilizados por las empresas para conocer la historia del negocio y poder realizar la toma de decisiones.

Podemos enunciar entonces las siguientes áreas en donde el uso de un sistema OLAP está difundido:

• Sistemas de información ejecutivos. Los usuarios y los administradores generalmente de mandos altos y medios, reciben la información sobre los indicadores de funcionamiento dominantes del negocio y de las excepciones o las variaciones según sea de patrones y de estándares preestablecidos. Los Sistemas de Información Ejecutivos (EIS) presentan típicamente datos multidimensionales en formatos gráficos.

• Aplicaciones financieras. Para diversos usos de tipo financiero se utilizan las bases de datos de OLAP como ser para comunicar, planear, y analizar. Los ejemplos de usos financieros incluyen la comunicación, análisis del mes-cierre, análisis de lo beneficioso del producto, los presupuestos y pronóstico. Los analistas financieros utilizan OLAP extensivamente para el análisis de datos financieros y operacionales para contestar las preguntas de la gerencia mayor.

• Ventas y aplicaciones de Marketing. Existen diferentes formas de llegar a los clientes para alcanzar los objetivos de venta y de comercialización propuestos. Por esto, la utilización de sistemas OLAP, donde es importante contar con información organizada de manera rápida, es aconsejable. Los ejemplos incluyen análisis de la facturación, análisis de producto, análisis del cliente, y análisis de ventas regional.

• Otros Usos. Las bases de datos de OLAP se adaptan a una amplia gama de análisis, incluyendo rendimiento de procesamiento y eficacia de la fabricación, eficacia del servicio de cliente, y análisis de coste del producto. En definitiva, un sistema OLAP es útil para todo proceso en el que sea necesario tomar decisiones.

Referencias

• http://www.bi-spain.com/articulo/19014/olap/olap-facil-y-para-no-tecnicos-30-usos-de-olap-para-ejecutivos-y-no-tecnicos-introduccion-a-olap
• https://docs.google.com/viewer?a=v&q=cache:1tdfvr4UmDcJ:download.microsoft.com/download/2/d/8/2d83e4ac-89e4-4319-a5c5-4185d8d264c9/Academia%2520BI%2520Unidad%25202.doc+&hl=es&gl=mx&pid=bl&srcid=ADGEESjup5ok-4eU4Q1jkuRY42tAfRdIqfqCHlLRCxfmIepjUy5U05ai1_iBAM9QOaZoBdEFKn0uwwOS_ZMk8-iKuEHdaxJGqvWlw8MoOJQvYbiMFB3uKL6wYidN25MF4diNy8yO220j&sig=AHIEtbSGac0JLjjyPZvRVnR5MDXupO2MCg

[jmanuelgarciaaragon]

6.3 Usos y Aplicaciones de la tecnología OLAP

Las aplicaciones OLAP son usadas por analistas y gerentes que frecuentemente quieren una vista de datos de nivel superior, como las ventas totales por línea de producto, por región, etc. Las bases de datos OLAP normalmente se actualizan en lote, a menudo de múltiples fuentes, y proporcionan un back-end analítico poderoso a las aplicaciones de múltiples usuarios. Por tanto, las bases de datos OLAP se perfeccionan para el análisis.

Mientras las bases de datos relacionales son buenas al recuperar un número pequeño de archivos rápidamente, ellas no son buenas al recuperar un número grande de archivos y resumirlos on-the-fly. Un tiempo de respuesta lento y el uso excesivo de recursos del sistema son las características comunes de las aplicaciones de soporte de decisión construidas exclusivamente sobre la tecnología de bases de datos relacionales. Debido a la facilidad con la cuál se puede emitir un “ejecutar una consulta SQL externa”, muchos distribuidores IS (Information Systems) no brindan acceso directo a los usuarios a sus bases de datos relacionales.

Muchos de los problemas que las personas intentan resolver con la tecnología relacional son realmente multidimensionales en naturaleza. Por ejemplo, una consulta SQL para crear resúmenes de ventas del producto por la región, las ventas de la región por producto, y así sucesivamente, podrían involucrar la revisión de la mayoría, si no todos, de los registros en una base de datos de mercadeo y podría tomar horas de proceso. Un servidor OLAP podría ocuparse de estas preguntas en unos segundos.

 

Desde el punto de vista teórico un sistema OLAP debe cumplir las reglas del Dr. Codd, recientemente fallecido, y 'padre' del concepto:

1. Se tiene que tener una visión multidimensional de los datos. Pensar en dimensiones y métricas de Negocio. No en tablas y en campos.
2. La manipulación de los datos tiene que ser intuitiva y sencilla. Son los análistas y altos ejecutivos los que manejan estas herramientas, y hay que pensar en ello.
3. El motor OLAP debe ser un organizador intermedio para que las aplicaciones finales: Cuadros de mando, Scorecard, aplicaciones de análiticas financieras, etc... provean de datos al usuario.
4. Posibilidad de acceder a datos almacenados directamente o en procesos batch, desde el relacional. Es decir, posibilidad de tener un sitema híbrido. Algo más parecido a un sistema HOLAP.
5. Creación de modelos basados en OLAP. Este requerimiento es muy subjetivo y depende de la complejidad de los modelos. Cuantos más tipos de modelo, mejor OLAP será.
6. Arquitectura Cliente/Servidor, pensado como la posibilidad de que los usuarios interactuen y colaboren en la aplicación.
7. Transparente para los usuarios. Se debe ocultar la capa de complejidad, de procesos batch, de cargas ETL... dejando sólo una capa de abstracción de negocio.
8. Acceso multiusuario a las aplicaciones, de forma concurrente, con posibilidad de modificaciones, estableciendo colas de trabajo, etc...
9. Integracion de datos no normalizados en el cubo OLAP, que garanticen que las modificaciones en datos no origen no afectan a los datos finales.
10. Mantener los cálculos y resultados de queries OLAP separados y almacenados en una ubicación diferente del sistema fuente.
11. DIferenciación de los valores vacíos de los valores 0. Muy importante a la hora de realizar cálculos matemáticos.
12. Posibilidad de ignorar todos los valores vacíos, las celdas del cubo sin datos.
13. Flexibilidad en la creación de informes.
14. Rendimiento uniforme de todos los informes, es otra forma de hacer 'transparente' la aplicación.
15. El sistema OLAP debe adaptar automáticamente su estructura según sean las dimensiones, métricas, etc... ésto no es fácil y, generalmente, requiere intervención manual.
16. Posibilidad de crear dimensiones de cualquier tipo.
17. Sin límite de dimensiones, niveles de agregación, jerarquías, etc... Debe ser la complejidad del negocio la que marque el límite.
18. No establecer restricciones a las operaciones que crucen cualquier dimensión o elementos de la dimensión. [2]

 

[1] http://html.rincondelvago.com/olap.html

 [2] http://todobi.blogspot.mx/2005/09/que-es-olap.html

 

[jgerardo.felixo]

Usos y Aplicaciones de la Tecnología OLAP

El OLAP, o análisis multidimensional de datos, es una forma específica de representación de datos financieros y estadísticos destinada a ejecutivos, especialistas y analistas. Sirve de apoyo en el proceso de toma de decisiones y facilita una mejor comprensión de la información. Su función es responder a las preguntas que puedan surgir al usuario durante su trabajo. Permite a sus usuarios entrar en detalles y generalizar, filtrar, clasificar y reagrupar datos en el momento del análisis, mediante su organización en cubos multidimensionales.

La herramienta principal para visualizar y manipular datos es la hoja de trabajo electrónica y dinámica. Las filas y columnas de datos que la forman son los controles de manipulación. Desplazándolas y pinchando sobre ellas, el usuario hace que el ordenador realice cálculos y presente los datos desde diferentes puntos de vista. De este modo, el usuario puede producir diversos informes a partir de un único conjunto de datos, sin que los especialistas en IT intervengan en el proceso, lo que evita que los departamentos de IT tengan que ocuparse de codificar distintos tipos de informes y eleva el nivel de independencia de los ejecutivos y especialistas para obtener la información que necesitan.

El análisis OLAP divide los datos en dos grupos: hechos (números, también denominados medidas) y dimensiones (o descripciones). Los hechos se agregan mediante algoritmos en una gráfica determinada, con la profundidad de agregación y agrupación definida por el usuario. Además, la hoja de trabajo electrónica puede mostrar los datos bajo una estructura regular. El OLAP se puede aplicar a todo tipo de tarea que requiera un análisis multifactorial de datos. Por lo general, contar con una tabla repleta de datos, suponiendo que contiene al menos una columna descriptiva y una o más columnas de datos, OLAP puede resultar una herramienta efectiva y conveniente para analizar dicha tabla y para producir informes. [1]

Con el paso de los años y el avance de las tecnologías informáticas al servicio de las empresas, que han logrado convertirse en la solución adecuada para la realización de negocios inteligentes, la herramienta OLAP ha dado lugar al nacimiento de diversos sistemas basados en su arquitectura que pueden ofrecer respuestas a las necesidades de las distintas compañías.

De acuerdo a su forma de funcionamiento y a su estructura, los sistemas OLAP han sido clasificados en distintas categorías, tales como ROLAP, MOLAP, HOLAP, WOLAP, DOLAP, RTOLAP y SOLAP.

Esto se debe a que la distintas aplicaciones en las que se ha utilizado el sistema OLAP requieren de servicios y funcionalidades precisas y concretas para tareas puntuales, relacionadas a determinadas compañías.

Distintos tipos de sistemas OLAP

Uno de los tipos de sistemas OLAP más utilizados en la actualidad es el denominado ROLAP, cuya principal característica reside en que se trata de uno de las herramientas mejor capacitadas para realizar escalas de gran cantidad de volúmenes de datos, aunque su mayor defecto se centra en que ofrece un rendimiento menor durante la realización de consultas, en comparación con otros de su especie.

ROLAP

Siglas que sintetizan su función de procesamiento analítico relacional online, es básicamente un sistema que ha sido construido utilizando las herramientas del OLAP y una base de datos relacional clásica.

Entre las grandes ventajas que ofrece el ROLAP, podemos mencionar que dicha herramienta es una de las más escalables en cuanto al manejo de importantes cantidades de información, además de que al permitir que los usuarios realicen los ajustes necesarios del código ETL según sus requerimientos, logra un tiempo de carga menor que otros métodos basados en OLAP.

Otra de las importantes ventajas de ROLAP reside en que cualquier usuario puede acceder fácilmente a la información que contiene la base de datos relacional, utilizando herramientas diseñadas para la creación de informes SQL, sin necesidad de requerir de aplicaciones del tipo OLAP.

Es por ello, que muchas compañías han decidido implementar el sistema ROLAP, ya que al introducir dicha herramienta, gracias a la flexibilidad que ofrece, han podido incorporar la información existente en la base de datos relacional de ROLAP sin inconvenientes.

Si por el contrario, dichas empresas hubiesen decidido implementar herramientas MOLAP, deberían haber recargado toda la información en la nueva base de datos multidimensional, por intermedio de un sistema OLAP adecuado.

No obstante, en este punto reside una de las desventajas del sistema ROLAP, ya que al trabajar con herramientas basadas en SQL, existen ciertos tipos de datos que no soportan correctamente la traducción en dicho lenguaje, tales como datos referidos a informes financieros, presupuestos y demás.

En la actualidad, las herramientas más utilizadas del tipo ROLAP son Microsoft Analysis Services, MicroStrategy, Business Objects y el servidor Open Source denominado Mondrian.

Para conocer más información acerca de los tipos de sistemas OLAP de la actualidad, te invitamos a leer la segunda parte de este informe. [2]

 

Fuentes:

[1] http://www.marketingdirecto.com/actualidad/bases-de-datos-y-crm/aplicacion-del-analisis-olap-en-la-empresa/

[2] http://www.informatica-hoy.com.ar/informatica-tecnologia-empresas/Un-sistema-OLAP-para-cada-necesidad.php

[José de Jesús Santes Palacios]

Usos y aplicaciones de la tecnología OLAP 

OLAP es una forma de representación de datos estadísticos y financieros pensado para ejecutivos, especialistas y analistas. Está diseñado para ayudar en la toma de decisiones y entender de una forma más gráfica y sencilla la información. La idea principal es responder a las preguntas del usuario que surgen en el día a día, y las respuestas tienen que ser en tiempo real. 

Un sistema OLAP permite al usuario adentrarse en los detalles y generalizar, filtrar, organizar y reagrupar los datos. Los totales parciales y finales se recalculan instantaneamente. 

La herramienta principal para visualizar y manipular los datos es la hoja de cálculo, cuyos controles son las columnas y filas. Moviendolas y organizándolas a su antojo permite al usuario realizar cáculos y mostrar datos de muy diversas formas. 

El usuario puede, por sí mismo, producir gran cantidad de informes a partir de un único grupo de datos y sin ninguna interferencia por parte de los técnicos. Esto ahorra a los departamentos de sistemas de tener que retocar informáticamente cada vez que hay que hacer un informe diferente y ofrece a los ejecutivos y especialistas una mayor libertad para conocer la información esencial. 

OLAP desbroza los datos en dos grupos: datos (números, o también mediciones) y dimensiones (descripciones). Los datos se agregan de determinada forma siguiendo algún algoritmo o premisa previamente establecida mientras que el usuario define la profundidad de la agrupación y la agregación.

Igualmente, las hojas de cálculo pueden mostrar los datos en una estructura establecida. OLAP puede utilizarse en cualquier departamento, empresa o institución en donde se analizan datos. Generalmente hablando cuando existe una tabla llena de datos puesto que contiene al menos una columna descrita y una o más columnas de datos, OLAP se convierte en una herramienta efectiva y conveniente para analizar esa tabla y producir informes.

En muchas ocasiones muchas nuevas tecnologías y herramientas de software no se utilizan simplemente por no entenderse bien cómo y dónde han de utilizarse. Por ello, el artículo de este fabricante inglés de software OLAP, con presencia en España trata de explicar de forma sencilla cómo puede utilizarse OLAP en más de 30 usos concretos.

Referencias:

http://www.bi-spain.com/articulo/19014/olap/olap-facil-y-para-no-tecnicos-30-usos-de-olap-para-ejecutivos-y-no-tecnicos-introduccion-a-olap

[silvia.flores.andrade]

Usos y aplicaciones de la tecnología OLAP

 

 

El data warehouses y el online analytical processing (OLAP) están emergiendo como tecnologías clave para apoyar la toma de decisiones corporativas. Dichas tecnologías proporcionan integración de datos, recuperación y recolección de datos, optimización de los query, análisis de datos en interfaces de usuario avanzadas, etcétera.[1]

El procesamiento analítico en línea (OLAP) es una categoría de software de BI para actividades que van desde la elaboración de informes y análisis en forma de auto-servicio, hasta complejos sistemas de planeación y presupuesto. Existen muchos tipos de productos OLAP, sin embargo, los dos pilares de la solución de Procesamiento analítico en línea (OLAP) de Oracle son: Hyperion Essbase y Database 11g OLAP Option. [2]

 

 

 

 

 

Referencias:

1.-  http://www.bi-spain.com/articulo/64673/olap/libro-gratis-data-warehouses-and-olap-concepts-architectures-and-solutions

2.-  http://www.bi-spain.com/articulo/58479/olap/similitudes-diferencias-y-casos-practicos-de-las-soluciones-oracle-olap-para-bi

[cesar.monarrez.a]

Usos y aplicaciones de la tecnología OLAP

Los sistemas OLAP, son utilizados por las empresas para conocer la historia del negocio y poder realizar la toma de decisiones.

Podemos enunciar entonces las siguientes áreas en donde el uso de un sistema OLAP está difundido:

    Sistemas de información ejecutivos. Los usuarios y los administradores generalmente de mandos altos y medios, reciben la información sobre los indicadores de funcionamiento dominantes del negocio y de las excepciones o las variaciones según sea de patrones y de estándares preestablecidos. Los Sistemas de Información Ejecutivos (EIS) presentan típicamente datos multidimensionales en formatos gráficos

OLAP en EIS

• Alertas.

• Toma de decisiones.

      Aplicaciones financieras. Para diversos usos de tipo financiero se utilizan las bases de datos de OLAP como ser para comunicar, planear, y analizar. Los ejemplos de usos financieros incluyen la comunicación, análisis del mes-cierre, análisis de lo beneficioso del producto, los presupuestos y pronóstico. Los analistas financieros utilizan OLAP extensivamente para el análisis de datos financieros y operacionales para contestar las preguntas de la gerencia mayor.

OLAP en la Actividad Financiera

• Reportes analíticos.

• Planeamiento.

• Análisis.
  

    Ventas y aplicaciones de Marketing. Existen diferentes formas de llegar a los clientes para alcanzar los objetivos de venta y de comercialización propuestos. Por esto, la utilización de sistemas OLAP, donde es importante contar con información organizada de manera rápida, es aconsejable. Los ejemplos incluyen análisis de la facturación, análisis de producto, análisis del cliente, y análisis de ventas regional.

OLAP en el Marketing

• Análisis de productos.

• Análisis de Clientes.

• Análisis de Facturación.

     Otros Usos. Las bases de datos de OLAP se adaptan a una amplia gama de análisis, incluyendo rendimiento de procesamiento y eficacia de la fabricación, eficacia del servicio de cliente, y análisis de coste del producto. En definitiva, un sistema OLAP es útil para todo proceso en el que sea necesario tomar decisiones.

OLAP en Otros Usos

• Análisis de la Producción.

• Análisis de Servicios al cliente.